- 发帖
- 7047
- 今日发帖
- 最后登录
- 2024-06-21
|
视频：.MP4，AVC，1024x768,29 fps | 音频：英语，AAC，48 KHz，2 Ch | 持续时间：3小时4分钟| 683 MB
讲师：Janani Ravi
本课程涵盖了构建企业级图像分类系统的部分，如图像预处理，CNN和DNN之间的拾取，计算CNN的输出维度，以及利用PyTorch传输学习利用预先训练的模型。也许机器学习中最突破性的进步来自将机器学习应用于分类问题。在本课程中，使用PyTorch进行图像分类，您将获得使用PyTorch设计和实现图像分类的能力，PyTorch因其灵活性，易用性和内置性而迅速成为构建深度学习模型的流行选择。支持优化的硬件，如GPU。首先，您将学习如何将图像表示为4-D张量，然后进行预处理以充分利用ML算法。接下来，您将了解如何使用密集神经网络实现图像分类; 然后，您将使用卷积神经网络（CNN）理解并克服相关的陷阱。最后，您将通过了解和使用最强大和最受欢迎的CNN架构（如VGG，AlexNet，DenseNet等）来完善课程，并利用PyTorch对传输学习的支持。完成本课程后，您将拥有使用PyTorch中的一系列神经网络架构设计和实施高效且强大的图像分类解决方案的技能和知识。
本部分内容设定了隐藏，需要回复后才能看到
|
微博帐号登录